Logo des Repositoriums

Auflistung nach Autor:in "Martin, Ludger"

1 - 10 von 200
  • Konferenzbeitrag
    15 Vorschläge von strategischen Green IT Leitlinien für eine Integration in die IT-Strategie der bayerischen Hochschulen
    (INFORMATIK 2024, 2024) Kott, Annette; Groß, Rainer; Kosch, Harald; Schuster, Jennifer; Bauer, Christoph
    Die spürbaren Herausforderungen des Klimawandels nehmen kontinuierlich zu. Verantwortlich dafür sind verstärkte Emissionen von Treibhausgasen, die unter anderem durch Digitalisierungsvorhaben und der damit verbundenen Informations- und Kommunikationstechnologien (IKT) verursacht werden. Bayerische Hochschulen haben die Verantwortung zum Klimaschutz gesetzlich verankert und die Weichen für einen nachhaltigen Campus-Betrieb gestellt. Diese Studie präsentiert Ergebnisse einer Umfrage an bayerischen Hochschulen, inwiefern nachhaltige IT-Praktiken bereits jetzt angewendet werden. Auf Basis dieser Ergebnisse und deren Einordnung in den wissenschaftlichen Diskurs zu Green IT, werden Handlungsempfehlungen abgeleitet und in 15 strategischen Leitlinien für einen grüneren IT-Betrieb zusammengefasst. Diese Leitlinien sollen als Vorschlag für eine mögliche Integration von Green IT in die IT-Strategie bayerischer Hochschulen dienen.
  • Konferenzbeitrag
    4. Workshop Nachhaltige Wertschöpfungssysteme
    (INFORMATIK 2024, 2024) Kammler, Friedemann; Christoph Gembarski, Paul; Schoormann, Thorsten; Hagen, Simon
  • Konferenzbeitrag
    5. Workshop Künstliche Intelligenz in der Umweltinformatik
    (INFORMATIK 2024, 2024) Abecker, Andreas; Behrens, Grit; Naumann, Stefan; Willenbacher, Martina
    Im Rahmen des INFORMATIK FESTIVAL 2024 der Gesellschaft für Informatik (GI) e.V. im Herbst 2024 in Wiesbaden findet die fünfte Auflage des Workshops KIU zur Nutzung von Methoden der Künstlichen Intelligenz in der Umweltinformatik statt. In der KIU-Workshopreihe werden seit 2020 anwendungsorientiert und interdisziplinär innovative Beiträge der KI für wichtige Fragen von Umweltschutz und Nachhaltigkeit vorgestellt und diskutiert. Auch der fünfte Workshop soll dabei helfen, eine deutschsprachige Wissenschafts- und Anwendungscommunity zu diesen Themen zu etablieren und konsolidieren, um langfristig die Kreativität und die Wirkung dieses wichtigen Aufgabenfelds zu unterstützen.
  • Konferenzbeitrag
    Activity Recognition over Temporal Distance using Supervised Learning in the Context of Dementia Diagnostics
    (Mensch und Computer 2022 - Tagungsband, 2022) Staab, Sergio; Bröning, Lukas; Luderschmidt, Johannes; Martin, Ludger
    In the case of neurological diseases, the progression of the disease can be detected by monitoring movements and activities. Documenting such monitoring requires time-consuming work, which can hardly be covered in the context of a constantly decreasing availability of nursing staff. In cooperation with two dementia residential communities, we incrementally develop a process that supports the nursing staff by providing an approach for a semiautomated documentation. This paper presents an approach to aggregate individual activities over a care period using smartwatches in combination with supervised learning algorithms. A smartwatch offers the opportunity to integrate sensor technology into a patient’s daily routine without disturbing them, as many patients already wear watches. We are investigating promising combinations of sensor technologies and supervised learning algorithms, collecting data from the accelerometer, heart rate sensor, gyroscope, gravity and position sensor at 20 Hz and sending it to a web server. The activities are then classified multiple times using Fast Forest, Logistic Regression and Support Vector Machines over a maintenance layer. We present an activity classification prototype over time distance for automated activity recognition, which, after a number of classifications and the likelihood of these, suggests to the nurse a statement of activities over the respective time period of a nursing shift, in the form of a completed documentation. In addition, the work provides an interpretation of how the knowledge gained can be used to recognise motor skills in the course of caring for patients with neurological diseases.
  • Konferenzbeitrag
    Addressing Privacy in Passive Data Collection for Nursing Documentation
    (INFORMATIK 2024, 2024) Bahrololloomi, Farnod; Luderschmidt, Johannes; Staab, Sergio
    In this work, we present a conceptual framework to determine the relevant recording time for nursing records, considering the effective detection and minimal interference with privacy. Our goal is to reduce the documentation burden, while ensuring compliance with the requirements of the General Data Protection Regulation (GDPR). We focus on data minimization and use a combination of speaker, context, and pronoun classification to accurately distinguish between nursing staff, patients, and visitors. Our work might indicate that when context and pronoun classification are used to identify patients, age classification becomes redundant. Furthermore, we address the challenges posed by non-native speakers in nursing homes, as language proficiency significantly affects the performance of language processing models. This work forms the basis for the automation of documentation processes in nursing homes.
  • Konferenzbeitrag
    AI Defenders: Machine learning driven anomaly detection in critical infrastructures
    (INFORMATIK 2024, 2024) Nebebe, Betelhem; Kröckel, Pavlina; Yatagha, Romarick; Edeh, Natasha; Waedt, Karl
    Previous studies have evaluated the suitability of different machine learning (ML) models for anomaly detection in critical infrastructures, which are pivotal due to the potential consequences of disruptions that can lead to safety risks, operational downtime, and financial losses. Ensuring robust anomaly detection for these systems within a company is vital to mitigate risks and maintain continuous operation. In this paper, we utilize a time-series labeled dataset obtained from a hydraulic model simulator (ELVEES simulator) to conduct a comprehensive and comparative analysis of various ML models. The study aims to demonstrate how different models effectively identify and respond to anomalies, underscoring the potential artificial intelligence (AI) driven systems to mitigate attacks. With the chosen approach, we expect to achieve the best performance in detecting two types of anomalies: point anomaly and contextual anomaly.
  • Konferenzbeitrag
    AI-supported selection procedure for spectral sensors based on technical and economic characteristics
    (INFORMATIK 2024, 2024) Menz, Patrick; Klein, Lauritz; Herzog, Andreas
    This study presents an AI-supported spectral sensor selection process that combines technical and economic criteria to recommend the optimal sensor for specific applications, such as quality control of roasted coffee beans. Using a comprehensive database of spectral sensor characteristics, the SMART algorithm guides decisions that focus on both performance and cost-effectiveness. Our methodology involves simulating spectral responses and using an AI model to evaluate sensor effectiveness in classifying coffee bean types. Initial results highlight the method's ability to optimise sensor selection, effectively balancing performance with budget considerations, and underscore its potential to improve user decision making in technology applications and enhance their digital sovereignty.
  • Konferenzbeitrag
    Aktuelle Ansätze zum Einsatz von Verfahren der automatisierten Bilderkennung mittels maschinellen Lernens im Bereich des Umweltmonitorings
    (INFORMATIK 2024, 2024) Galle, Christopher
    Die steigende Nachfrage nach präzisen aktuellen Erhebungen des Naturzustands hat die Notwendigkeit neuer Herangehensweisen an die Datenerfassung und -auswertung deutlich gemacht. Die Auswertung von Umweltdaten ist eine zeitaufwändige und ressourcenintensive Aufgabe, die eine erhebliche Beteiligung qualifizierten Personals erfordert. Die Automatisierung dieser oft manuellen Prozesse gestaltete sich über viele Jahre hinweg als herausfordernd. Besonders die Artenbestimmung von Insekten und die Auswertung von Wildkameraaufnahmen im Bereich der Ökologieforschung dienen als Beispiele dafür. In Fangflaschen konservierte Insekten müssen von Fachpersonal identifiziert werden, was aufgrund von Beschädigungen an den Insekten sowie dem Verfall während der Lagerung und Bearbeitung ein zeitaufwendiger und zeitkritischer Prozess ist. Aber nicht nur die Auswertung herkömmlicher Bilder und Proben ist für Anwendungen der automatisierten Bilderkennung interessant, auch nicht-fotografische Bilddaten wie Sonar-, Satelliten- oder spektroskopische Aufnahmen eignen sich dafür. Die Verwendung von Methoden des maschinellen Lernens, insbesondere der Einsatz von Convolutional Neural Networks, hat sich hier in vielen Bereichen als äußerst hilfreich erwiesen. Die Verfügbarkeit geeigneter Trainingsdaten stellt jedoch weiterhin ein großes Problem dar, für das häufig individuelle Lösungsansätze gefunden werden müssen
  • Konferenzbeitrag
    An analysis of Computer Science in OJAs with a dual-lingual ontology approach
    (INFORMATIK 2024, 2024) Tiemann, Michael; Dörpinghaus, Jens; Shivashankar, Venkatesh Hariharapura
    Increasing globalization of the Internet has led to a growing need for the processing of data in multiple languages. This has resulted in a significant increase in the amount of multilingual data available on the web, presenting a significant challenge for accessing, processing, and integrating data from different language sources. An ontology provides a shared and precise source for system interoperability and the reuse of knowledge bases. The objective of this study is to develop an efficient approach for mapping and enriching cross-domain, dual-lingual ontologies. In this case, we will combine the Computer Science Ontology (CSO) and DBpedia. The resulting taxonomy will be analyzed using a German online job advertisement dataset of 3,567,240 records to identify trends in the development and/or requirement of tools in the Computer Science domain. In order to achieve this, we employ a comparative analysis of two distinct approaches: a holistic, hierarchical approach and a precision-driven approach. The former considers the child-parent relation of the ontology, whereas the latter solely identifies those tools directly associated with a topic in the CSO.
  • Konferenzbeitrag
    Analyzing Historical Legal Textcorpora: German VET and CVET regulations
    (INFORMATIK 2024, 2024) Reiser, Thomas; Dörpinghaus, Jens; Steiner, Petra
    The digitization of historical documents has gained particular interest in recent years. The majority of research endeavors aim at digitizing historical documents by extracting text from scanned images. A pipeline that transcribes scanned documents into fully structured texts was utilized to digitize over 900 German VET and CVET regulations. As a preliminary investigation, a basic corpus analysis was conducted to assess the usability of the digitized documents and the necessity for document digitization methods that can generate transcripts that maintain the logical text structure and hierarchy. This paper focuses on the processing of the transcripts created from German VET and CVET regulation images to demonstrate the advantages of fully structured text over plain OCR results and to illustrate that even simple analyses require more information for more comprehensive document understanding.